公开(公告)号：CN107341846B

公开(公告)日：2020-06-09

申请号：CN201710473206.X

申请日：2017-06-21

Applicant: 华中科技大学

Inventor： 陶文兵 ,  刘子健 ,  孙琨

IPC: G06T17/00 ,  G06T17/20

Abstract: 本发明公开了一种实时显示大规模三维重建场景的方法及设备。该方法以大规模三维重建场景的点云模型或者三角网格模型作为输入数据，经过分叉树处理构建三维场景的多层次细节模型数据，该设备的处理器读取相应的模型数据按照该方法进行处理并将处理结果实时输出至显示界面进行显示。该方法通过分叉树处理数据，处理速度为指数级，能够克服计算机内存的限制，实时的显示基于点云或者三角网格的大规模三维重建场景，并具有良好的交互功能，该方法及设备不仅仅局限于三维重建后的场景模型，对于其它的大数据量的三维点云或者三角网格模型也同样适用，具有很强的理论意义和非常广阔的应用前景。

公开(公告)号：CN107301618B

公开(公告)日：2019-11-22

申请号：CN201710478041.5

申请日：2017-06-21

Applicant: 华中科技大学

Inventor： 陶文兵 ,  李杰 ,  孙琨 ,  徐青山

IPC: G06T1/20 ,  G06T15/00

Abstract: 本发明公开了一种基于GPU并行加速的基础矩阵和单应矩阵估计方法和系统，其中方法的实现包括：对多个图像，基于特征点利用匹配算法得到每个图像对的匹配列表，匹配列表包含图像对特征点的匹配信息；由于显存容量限制，每次只选取M个图像对进行并行计算，对此M个图像对中的特征点匹配对进行并行随机采样；根据采样结果并行地计算得到对应的候选基础矩阵或候选单应矩阵和相应的内点数；然后在属于同一个图像对的多个候选基础矩阵或候选单应矩阵中获取内点数最大的候选矩阵进行优化得到最终的基础矩阵或单应矩阵。本发明可以大幅度减少基础矩阵和单应矩阵计算时间。

公开(公告)号：CN106815824B

公开(公告)日：2019-07-05

申请号：CN201611124130.1

申请日：2016-12-08

Applicant: 华中科技大学

Inventor： 陶文兵 ,  黄文杰 ,  孙琨

IPC: G06T5/40 ,  G06T5/50 ,  G06T17/00

Abstract: 本发明公开了一种提高大规模三维重建效率的图像近邻优化方法，首先得到近邻匹配图像对，对图像对进行特征点匹配；通过基础矩阵进行几何校验来剔除不满足极线约束的误匹配得到内点数，并计算单应矩阵得到单应变换率；接着统计匹配特征点之间在方向和尺度上的变化，得到相应的直方图；通过内点数、单应变换率、尺度和方向的变化直方图三重约束来度量图像的相似性并标记其中的冗余图像；剔除包含冗余图像的图像对，以及通过内点数、单应变换率来剔除窄基线图像对；最后保存过滤之后的图像对匹配信息，已经剔除了冗余图像对以及基线较窄图像对，进一步提高了后续三维重建的精度和效率。

公开(公告)号：CN105551086B

公开(公告)日：2018-01-02

申请号：CN201510882157.6

申请日：2015-12-04

Applicant: 华中科技大学

Inventor： 陶文兵 ,  陶晓斌 ,  孙琨 ,  徐涛 ,  梁福禄

IPC: G06T17/30

Abstract: 本发明公开了一种基于计算机视觉的个性化脚部建模与鞋垫定制方法，包括：获取被测者的脚部视频数据，对脚部视频数据中相邻的两帧图像进行特征点提取，并用利用光流法对相邻视频帧之间的特征点进行跟踪匹配，采用零均值归一化互相关系数ZNCC验证剔除其中不可靠的跟踪结果，并根据跟踪匹配的结果构造特征点的轨迹，对脚部视频数据中的关键帧进行选取，根据得到的特征点轨迹，并利用SFM方法对视频关键帧队列中的特征点轨迹进行三维重建，以生成脚部网格模型。本发明能够解决现有定制鞋垫中采集数据困难和成本过高的技术问题。

公开(公告)号：CN106780579A

公开(公告)日：2017-05-31

申请号：CN201710035674.9

申请日：2017-01-17

Applicant: 华中科技大学

Inventor： 陶文兵 ,  黄文杰 ,  孙琨

IPC: G06T7/33 ,  G06T7/38 ,  G06F17/30

CPC classification number: G06F16/583 ,  G06T2207/10016

Abstract: 本发明公开了一种超大规模图像特征点匹配方法及系统，其中，方法的实现包括：首先进行图像近邻搜索得到图像匹配对；以图像为节点、图像近邻之间构成边形成一个无向图，对这个图进行广度优先排序，得到排序之后的图像和图像对；按照排序结果对图像的特征信息进行重排，并分块保存成二进制文件；按序读取保存有特征信息的二进制文件，根据排序后的图像对来依次进行特征匹配，并及时释放掉后续无用的特征信息；迭代的读取特征信息和进行特征匹配直到所有图像对完成匹配。实施本发明，可以保证在图像匹配的过程中图像特征点一次读取、局部完全利用，可以在内存不会溢出的同时，保证了算法的效率。

公开(公告)号：CN106652023A

公开(公告)日：2017-05-10

申请号：CN201611144797.8

申请日：2016-12-13

Applicant: 华中科技大学

Inventor： 陶文兵 ,  孙琨

IPC: G06T17/00 ,  G06T19/20 ,  G06T7/33 ,  G06K9/62 ,  G06K9/46

Abstract: 本发明公开了一种大规模无序图像快速运动恢复结构的方法及系统，首先，提出了一种多层图贪心策略从图像集合中选择多个核；其次，将所有图像按照它们到核的最优重建路径进行聚类，并提出了一种分层最短路径算法寻找最优重建路径；最后，提出了一种径向融合聚类方法将一个图像聚类中的非核图像划分成平衡的子类，使其在不降低精度的同时，可以并行处理，数据划分结束后，按照分层的策略对其进行重建，重建完成后，对得到的若干个独立的子模型进行合并，最后将合并了叶子聚类模型的基模型进行合并，得到完整的模型。可以显著提高重建效率，还可以解决由图像分布不均、场景重叠不连续导致的重建精确度和完整度问题。